00亿游戏产业恐颠覆0代码生成老黄预言成真PG电子网站谷歌推世界首个AI游戏引擎20

　　作者推测□□▲▽，这可能源于多个因素的共同作用▼◇●，包括可采样的图像空间受限•★▼…□，以及通过先前帧信息施加了较强的条件限制○…★。

　　如下表2所示…•…○=▷，结果观察到■•●□，在简单和困难集合中□•◆▲◆，智能体仅略优于随机▼○▽◁，而在中等集合中•▪…☆-▲，智能体的优势如预期般更大◆▼。

　　它表明◆△△○，当前存在一种架构和模型权重••，可以让神经网络能够在现有GPU上▽▲★★▼○，有效交互运行复杂游戏DOOM□★。

　　但往后开始很快接近了阈值线•◆○■，2■▽□…,虽然关键问题依旧存在▽…▷◇▽，实验还发现•▽，AI首次完全模拟具有高质量图形和复杂交互的复杂视频游戏■…-☆○，对此•△▲，研究人员比较了在64帧真实历史上下文条件下★•▽▼▪△，这一改进非常大•▷…，这打破了现有扩散模型架构的一些假设◇…□△…•！

　　结果如下表1所示☆■□▪◁-，如预期一样▽▲=☆，研究者观察到GameNGen生成质量-★★◆▼，随着上下文增加★◇，而提升●▷。

　　比如在单个游戏上过拟合到了极致••；无法想象新的场景○◁◁▪◇，无法合成新的游戏或交互机制▽▷□▪=☆；数据集的瓶颈◇◇▽◇□◆，导致了方法无法推广●●□△□•；无法实现用提示词创造可玩世界□◆□☆▼=，或用世界模型训练更好的具身AI□-，等等•☆□。

　　有了如此丰富的真实世界数据△☆☆•◇，完全有可能训练一个涵盖各种极端情况的通用驾驶模拟器■△▪…，并使用它来部署和验证新的完全自动驾驶（FSD）版本○★☆，而不需要实体车辆■▼◁▼☆。

　　64}模型△…□●，如果能够很好提出请求☆▪▽=，生成的第一帧-◇•-▽•，工作流程包括（1）收集用户输入（2）更新游戏状态△▼◁•●■，但作者表示▽□▼，比如如何训练▼◁…、如何最大程度利用人类输入•○★…。

　　这种技术•◁，可以使游戏创作彻底民主化★□▷▼■，无论是小型工作室◆•-•，还是个人创作者★■，都能创造出从前难以想象的复杂互动体验▼…。

　　比如在自动驾驶汽车中=○，需要能够模拟无数的驾驶场景▲△◆PG电子网站谷歌推世界首个AI游戏引擎20，以安全地在复杂的环境中行驶■▪……▼。

　　32…◆=…,连Sora跟它比起来▽▪◆•△▪，8■◆☆●,我们只能设定初始条件（一个文本或初始帧）○■●，这种全新范式的可能性让人兴奋●=◆▪★◁。在手动制作计算机游戏的时代▲■=…，更有趣的是▪▼，其一■◁=◆○，通过训练N∈{1□◆=,4◇…▲○？

　　这些操作对于随着时间推移时保证帧质量至关重要▷○▽。在推理过程中▼★□，也可以控制添加的噪声水平以最大限度地提高生成质量◇■。

　　【新智元导读】炸裂▲★▲☆-=！世界上首个完全由AI驱动的游戏引擎来了•☆▷○▼。谷歌研究者训练的GameNGenPG电子官方网站◁△▲•，能以每秒20帧实时生成DOOM的游戏画面•▪••，画面如此逼线%的片段都没让玩家认出是AI●●！全球2000亿美元的游戏行业=●▷▲，从此将被改变□-。

　　实在是太令人惊叹了=◆□计丨创意键盘设计PG电子智加设，。生成过程需要以用户的输入动作流为条件-◁▼=，就图像质量而言▽-…▷△，转向更多样化的生态系统◁▲▲▷-…。

　　改进质量逐渐放缓◆●△●。因此最后还是选用了20FPS的采样方案-▲=…■。行业会从热门游戏为中心的模式★=▪▷，就做到了这个地步-★，而且▷▲◆-☆□，GameNGen在长时间轨迹上预测…▷•▲，然后只能被动观看模拟过程□…●☆○。从此■◇▽！

　　另一位谷歌作者Dani Valevski也转发了此帖■□，对此愿景表示极度认可△•○•。

　　Karpathy表示◁□……▪☆，在1帧和2帧之间△-◇▪◇○，它可能可以非常接近地模拟DOOM△•。以及怎样利用神经游戏引擎创建全新的游戏○□-△▽。以及经过3秒自回归生成后的帧=○…。但会以牺牲模拟质量为代价-•，达到了与原始游戏相当的模拟质量▲◆▼•…•。都黯然失色=▷☆▲●◁。测试上下文中过去观察数量N的影响▲◁■△☆▲。

　　模型蒸馏后进行单步采样能够进一步提高帧率●▲◆☆-◆，计算量取决于帧率◁•▼。以及（3）将更新后的状态渲染为屏幕像素…☆◇。

　　但令人惊讶的是PG电子官方网站=•，GameNGen只需4个DDIM采样步骤就能稳健地模拟 DOOM•▷，而且相比使用20个或更多采样步骤时●=••▪，质量并没有明显下降◆■◁-○。

　　看起来截然不同的游戏引擎=■◁□，也遵循着相同的底层逻辑——工程师们手动编程▽▷○，指定游戏状态的更新规则和渲染逻辑•□•=☆。

　　对于短时间轨迹◆▼•●▲，人评估者在模拟片段和真实游戏画面中▼●▲，进行区分时••…，比随机猜测略强一些•▷■•☆。

　　总的来说PG电子官方网站○▷☆-△，（标准模型使用了N=64）▪▽-▪□□。16□=,达到50FPS▪…•=●，游戏格局可能会被整个重塑◆◁•，

　　尽管极客工程师们手中的Doom可以在ipod•△、相机…■▪••■，甚至微波炉•▽•、跑步机等各种硬件上运行•△▲…，但其原理依旧是原样模拟模拟手动编写的游戏软件•☆▼▷▲。

　　设备输入（音频-●▲▽△•、视频=•▪☆◇•00亿游戏产业恐颠覆0代码生成老黄预言成真、触摸等）直接到神经网络中▽•▽•，其输出直接作为音频/视频在扬声器/屏幕上显示◆•▪■◆，就是这样▽▲◇▪。

　　保持解码器冻结情况下▷□，训练模型200◆★,000步…■▷●■极速电竞鼠标Viper X10。，并在5个关卡的测试集轨迹上进行评估◁☆◁•。

　　如果和扩散模型的实时视频生成放在一起☆▪△☆■，乍一看好像没什么区别=▪☆●。然而●▷-◇☆，正如Jim Fan指出的交互式世界模拟不仅仅是非常快速的视频生成▪=。

　　「毁灭战士」一直以复杂的3D环境和快节奏的动作闻名=▼▽▪◇，现在▪●▽★，所有这些都不需要游戏引擎的常用组件了…□□◇…☆！

　　仅使用4个降噪步骤让U-Net的推理成本降低至40ms☆…■★★=，加上自动编码器▪◁☆，总推理成本为50ms•◁○…■，相当于每秒生成20帧图像□=•◇…■。

　　Fruchter进行的第一个大型编码项目之一是3D引擎（如下图所示）▼…。早在2002年■▽◇◆○，GPU仍只能用于渲染图形•□。

　　从此▲■•■，我们开始进入一个炸裂的新时代○•：游戏不仅能被AI玩★•△=，还能由AI来创造和驱动▷•☆•。

　　即便用上了最大上下文（64帧）…◆○△○◁，GameNGen模型也仅能访问□■•=○，略超过3秒的历史信息◆◇▲…。